¿Cuáles son los tres elementos del análisis de datos?

Hay algo que me fascina sobre el análisis de big data particularmente como se aplica en la industria. Es cómo una empresa puede obtener tales datos al por mayor sobre sus operaciones de una inversión relativamente menor. Pero a menudo, este "trove de tesoro" de datos no tiene contexto, por lo que es menos de un activo. Para hacer el mejor uso posible de los datos, las empresas necesitan emplear técnicas analíticas adecuadas para transformarlos en información empresarial procesable en la que se puedan basar las decisiones empresariales. Así que la pregunta que un negocio haría es, "¿qué tipo de análisis sería apropiado para nuestras operaciones?". Bueno, para empezar, un tamaño encaja con todo no lo corta como he experimentado. Sin embargo, el desafío se puede hacer más fácil al clasificar los análisis en tres elementos básicos. Descriptivo (¿qué ha pasado?), Predictivo(¿qué es probable que suceda?) y prescriptivo (qué debemos hacer al respecto). Discutamos esto en detalle.

Análisis descriptivo

Probablemente estén familiarizados con esta actividad, pero para poner las cosas en perspectiva les contaré una historia corta. Una vez trabajamos en una planta por lotes que tenía un tiempo medio de inactividad de 3 horas al día. No por falla de equipo, sino por esperar la entrega de la materia prima. Habíamos sido contratados para un trabajo básico de automatización de procesos y luego durante la puesta en marcha nos dimos cuenta de que los trabajadores estaban pasando demasiado tiempo esperando que las materias primas fueran entregadas.

Así que en colaboración con la dirección que resultó ser "operaciones inteligentes", afortunadamente. Se nos ocurrió una solución que, basada en la tasa de agotamiento de la materia prima de los silos y en el tiempo que tarda un conductor en llegar al sitio, recomendaría mediante notificaciones cuántas cargas de camiones pedir. Reduciendo significativamente el tiempo de inactividad. Estos son los tipos de acciones que las analíticas descriptivas, si se implementan, le facultan para tomar. La analítica descriptiva implica pasar por los datos históricos para entender lo que sucedió en el pasado.

La extracción de datos se utiliza para proporcionar tendencias y pautas sobre acontecimientos pasados o actuales, por ejemplo. "500 lotes producidos en el primer mes", "15% de aumento en productos defectuosos este año" y el uso de energía e.t.c. Estos a menudo son KPI cuidadosamente seleccionados mostrados en la vista del salpicadero para descubrir la frecuencia de eventos, el costo de las operaciones y la causa de fallas. Dan a los encargados de la adopción de decisiones el contexto necesario para tomar medidas. Las analíticas descriptivas pueden estar en la parte inferior de la cadena de valor de las analíticas, pero desempeñan un papel crucial en la formación de una base para las analíticas predictivas y prescriptivas.

Predictivo

Lo más probable es que si se le pide a un científico de datos que le proporcione un ejemplo de análisis predictivo que contarán sobre las conocidas "recomendaciones" de Amazon. Es un ejemplo clásico de usar tendencias históricas para hacer predicciones futuras. La analítica predictiva va más allá de proporcionar una base para la toma de decisiones. Ayudan a los tomadores de decisiones a anticipar los eventos probables, por lo que en lugar de reaccionar a la situación que pueden planificar para el futuro. Como dice el refrán, prevenido es anticipado.

Las analíticas predictivas utilizan técnicas de extracción de datos y aprendizaje automático para identificar las condiciones potenciales para el fallo del equipo, el inventario de existencias y la productividad por nombrar algunas. Y proporcionar plazos en algunos casos. Sin embargo, el análisis predictivo debe tomarse con un grano de sal, por así decirlo, porque la predicción no es pura y simple, sino que es una previsión. Más o menos como obtener su pronóstico del tiempo, el 90% de las veces que la predicción es correcta, pero cualquier ligero cambio en condiciones imprevistas puede influir en lo que sucede en el futuro. En esencia, Predictive Analytics está tomando datos históricos que usted ha almacenado y aplicando modelos estadísticos para tratar de hacer predicciones de ella.

Prescriptiva

Así que Descriptive Analytics establece el escenario al decirle lo que pasó, Predictive Analytics hace un pronóstico sobre lo que puede suceder en base a las tendencias pasadas y Prescriptive Analytics le dice lo que debe hacer al respecto. Lo que las herramientas de análisis prescriptivas le ofrecen es un conjunto de posibles acciones y sugerencias, lo que le permite tomar una decisión de acuerdo a su mejor criterio. Las buenas herramientas analíticas también proporcionan múltiples futuros y recomiendan formas de mitigar los riesgos que pueden resultar de cada curso realizado.

Análisis predictivo combina sus datos con modelos estadísticos y reglas de negocio que son exclusivos de cada organización. Un ejemplo de su aplicación de Prescriptive Analytics es el gas natural, donde la oferta, la demanda y otros factores influyen dramáticamente en los precios. Prescriptive Analytics ayuda a los productores a predecir los precios en su beneficio en una situación en la que de otro modo estarían volando a ciegas.

Conclusión

Análisis de Big Data es un tema mucho más profundo y lo que he hecho es sólo rascar la superficie. Pero eso no significa que las empresas no puedan empezar de inmediato. Para empezar las empresas pueden identificar un solo problema y atacarlo a pequeña escala y luego expandirse desde allí. Después de todo, el proceso se trata de la iteración.

¿Utiliza alguno de estos análisis en su organización? ¡Me gustaría escuchar sus pensamientos sobre este tema en los comentarios!